薄 宇，潘 雪，蒙婷婷

(黑龍江省生態(tài)氣象中心，黑龍江 哈爾濱 150030)

1 引言

氣象衛(wèi)星是進(jìn)行氣象觀測的地球衛(wèi)星，通過氣象衛(wèi)星可以獲取到大量的氣象觀測數(shù)據(jù)，中國成功發(fā)射的風(fēng)云系列氣象衛(wèi)星，表征了中國自主遙感衛(wèi)星的設(shè)計(jì)與應(yīng)用能力，海量的氣象衛(wèi)星數(shù)據(jù)深加工后的數(shù)據(jù)與圖像[1]，可以在氣象研究、災(zāi)害預(yù)警、林火監(jiān)測[2]、農(nóng)業(yè)監(jiān)測、天氣預(yù)報(bào)和氣候預(yù)測等方面提供更好的數(shù)據(jù)基礎(chǔ)[3]，為氣象行業(yè)服務(wù)提供了新的思路與手段[4]。隨著現(xiàn)代遙感平臺(tái)與技術(shù)的蓬勃發(fā)展，氣象衛(wèi)星遙感資料大量增多，克服了以往單一數(shù)據(jù)源導(dǎo)致的應(yīng)用范圍和局限性問題[5]，但是數(shù)據(jù)源增多在增大信息量的同時(shí)，也直接導(dǎo)致運(yùn)算量的增加和遙感數(shù)據(jù)利用率的降低[6]，如何基于當(dāng)前海量氣象衛(wèi)星數(shù)據(jù)，盡可能的獲取更多有效信息，已成為重點(diǎn)研究問題?；谶@一研究現(xiàn)狀，多源衛(wèi)星數(shù)據(jù)融合技術(shù)的研究應(yīng)運(yùn)而生。本研究以多源氣象衛(wèi)星數(shù)據(jù)融合為中心，對(duì)當(dāng)前主要文獻(xiàn)予以綜述，深入探討能夠充分利用遙感信息，獲取更可靠精確的數(shù)據(jù)融合方法，以期融合數(shù)據(jù)能夠更好地服務(wù)于科研與業(yè)務(wù)工作中。

2 遙感影像融合理論

數(shù)據(jù)融合這一概念始于70年代，由美國學(xué)者提出，通過融合多源數(shù)據(jù)信息，對(duì)戰(zhàn)場情況進(jìn)行更加精確的評(píng)估分析，在90年代的海灣戰(zhàn)爭切實(shí)取得了理想的成果[7]。此后，Chavez[8]采用HIS變換法，以全色波段數(shù)據(jù)替換經(jīng)彩色變換后的多光譜數(shù)據(jù)，但是融合效果較差，導(dǎo)致光譜退化現(xiàn)象的發(fā)生。Sheffigara[9]對(duì)比采用主成分融合法與高通濾波法發(fā)現(xiàn)，主成分融合法使得遙感影像的空間分辨率得以提高，但其原有物理特性有所缺失；而高通濾波法更有效的保留了多源遙感影像的信息，但是存在紋理信息缺失的情況。近年來，小波變換法占據(jù)了多源遙感影像數(shù)據(jù)融合的主導(dǎo)地位，其中Goshtasby[10]研究發(fā)現(xiàn)小波變化法能夠最大限度保留更多的遙感影像信息。目前全球存在100多顆氣象衛(wèi)星，資源龐大的氣象衛(wèi)星數(shù)據(jù)格式與成像原理差異大[11]，導(dǎo)致圖像分辨率和格式難以統(tǒng)一，結(jié)合不同特性的氣象衛(wèi)星影像，有利于發(fā)揮遙感數(shù)據(jù)優(yōu)勢，更好的獲取大氣信息，目前氣象衛(wèi)星遙感影響融合研究較少，因此有必要針對(duì)氣象衛(wèi)星遙感影像融合理論過程、層次、方法、效果評(píng)估等方面展開討論[12]。

2.1 氣象衛(wèi)星圖像特征

氣象衛(wèi)星不同通道會(huì)產(chǎn)生不同的圖像產(chǎn)品，不同產(chǎn)品的格式與顯示方法存在差異，常用的圖像有可見光圖像（波長≈0.5μm）、近紅外圖像（波長≈3.7 μm）、水汽圖像（波長6-7μm）、紅外圖像（波長10-12μm）和微波圖像（波長1 mm-10 cm）[13]。其中可見光圖像以黑白顯示，反射輻射強(qiáng)度越低圖像越黑，圖像可用于區(qū)分下墊面類型和云中水汽含量[14]；近紅外圖像夜間與紅外圖像類似，白天與可見光類似；水汽圖像則是以水汽為主要吸收氣體的譜段；紅外圖像可以表征輻射面溫度，溫度越高顏色越亮；微波圖像不受云層影響，可以進(jìn)行長時(shí)間連續(xù)觀測，但是空間分辨率偏低，根據(jù)圖像特征的差異，具體的數(shù)據(jù)融合方法也存在差別[12]。不同的衛(wèi)星圖像信息互補(bǔ)，在實(shí)際氣象衛(wèi)星遙感業(yè)務(wù)中，應(yīng)該集合不同傳感器、分辨率、平臺(tái)、光譜和時(shí)相的特征，例如對(duì)于微波圖像和紅外圖像融合后，就可以更好的判識(shí)云霧[15]。

2.2 氣象衛(wèi)星遙感影像融合過程

由于氣象衛(wèi)星分辨率差異大、光譜信息豐富、成像時(shí)間交叉偏多以及成像方式復(fù)雜，影像融合方法也比較復(fù)雜[16]。目前常用的氣象衛(wèi)星格式繁雜，存在VSR格式、L1B格式、la5格式以及HDF格式[12]，因此氣象衛(wèi)星遙感影像融合第一步，要將衛(wèi)星遙感影像統(tǒng)一為一個(gè)格式，其中HDF格式儲(chǔ)存效率較高，更準(zhǔn)確完備保留遙感影像和空間信息，然后對(duì)于圖像進(jìn)行預(yù)處理，之后再采用空間配準(zhǔn)的方式對(duì)數(shù)據(jù)定位處理后，針對(duì)遙感影像進(jìn)行投影變化，再應(yīng)用合適的算法進(jìn)行有機(jī)融合，從而獲取更簡潔高效的遙感信息[17]。圖像預(yù)處理包括對(duì)原始信號(hào)輻射量化定標(biāo)，對(duì)于圖像地理坐標(biāo)處理定位，對(duì)于原圖像根據(jù)輻射原理校正，以及對(duì)于觀測因子的幾何畸變進(jìn)行校正[16]。空間配準(zhǔn)是以一幅影像為準(zhǔn)，基于邊界、交叉點(diǎn)等特征，采用精確算法建立影像之間的映射關(guān)系，并以此對(duì)非基準(zhǔn)影像進(jìn)行重采樣實(shí)現(xiàn)配準(zhǔn)[18]。氣象領(lǐng)域常用投影有麥卡托投影、蘭勃特投影、極射赤面投影和等經(jīng)緯度投影，其中，中低緯度地區(qū)常用等經(jīng)緯度投影[19]，之后針對(duì)多源氣象衛(wèi)星影像數(shù)據(jù)，可基于不同的目的與層次，選用不同的融合算法展開計(jì)算。

2.3 遙感影像融合層次

氣象衛(wèi)星作為人造衛(wèi)星的一種，遙感融合層次與其他衛(wèi)星類似。融合方法按照融合層次分類，分為基于像素、特征和決策級(jí)的融合方法，其中，像素級(jí)融合指在遙感影像預(yù)處理階段，對(duì)各圖像像元的物理量直接進(jìn)行計(jì)算，這種方法造成的信息損失較少，融合水平最低；特征級(jí)融合是根據(jù)特征提取信息，操作方式比較簡便實(shí)用，但精度低于像素級(jí)融合方法；決策級(jí)融合是對(duì)圖像分類后，再基于特征融合的方法，融合水平最高[20]。特征層融合分類指的是根據(jù)多源氣象衛(wèi)星遙感影像判別像素的類別，不同特征層融合法的差異在于分類技術(shù)[21]。常用的特征級(jí)融合法有熵法、帶權(quán)平均法、聚類分析法、表決法等。熵法是以與假設(shè)有聯(lián)系的信息內(nèi)容為提取的度量值[22]。聚類分析法是通過預(yù)先設(shè)定的標(biāo)準(zhǔn)方法，對(duì)多源氣象衛(wèi)星遙感數(shù)據(jù)進(jìn)行分類。決策級(jí)融合法是指在經(jīng)過特征級(jí)分類后，通過不同決策準(zhǔn)則提取目標(biāo)特色信息，將是未來數(shù)據(jù)融合方法發(fā)展的主要方向[23]。常用的決策級(jí)融合法有邏輯模板法、可靠性理論、基于知識(shí)的融合法、模糊集理論等[24]。

雖然像元級(jí)融合精度最高，但是針對(duì)不同傳感器的數(shù)據(jù)，只能應(yīng)用特征和決策級(jí)融合，其中決策級(jí)融合精度低于特征級(jí)融合，但容錯(cuò)性與抗干擾性更好，融合水平也較高。如今，隨著對(duì)于像元級(jí)融合的深入研究，有學(xué)者提出第四種信號(hào)級(jí)融合[25]。因?yàn)槎嘣磾?shù)據(jù)的融合水平主要取決于能否基于研究對(duì)象和數(shù)據(jù)的特點(diǎn)，盡可能地減少噪聲誤差與幾何畸變，使得融合影像精度高、信息損失少、抗干擾力強(qiáng)，工作量小[26]，所以決策級(jí)融合是融合水平最高的層次，但像素級(jí)融合也保留了盡可能多的信息量，因此本文主要對(duì)基于像素級(jí)的融合方法展開介紹。

3 遙感影像融合算法及分析

3.1 基于像素級(jí)的主要融合方法

與資源衛(wèi)星類似，不同氣象衛(wèi)星數(shù)據(jù)融合方法會(huì)造成不同程度的信息損耗與提升，同時(shí)不同傳感器發(fā)送的信息，可能存在錯(cuò)誤和環(huán)境噪聲的負(fù)面影響，這種情況造成了遙感影像信息的大量冗余與矛盾，不同的融合方法對(duì)于冗余信息的消除方法也存在差異[27]。因此有必要探討不同融合方法的優(yōu)勢與劣勢，以及可以應(yīng)用的限制條件。

常用的像素級(jí)融合方法較多，其中HIS變換方法是通過把紅色、綠色和藍(lán)色波段的數(shù)據(jù)，轉(zhuǎn)變?yōu)槊鞫取⑸{(diào)和飽和度形成融合圖像[28]。Brovery變換法是通過特定公式對(duì)紅色、綠色和藍(lán)色波段的數(shù)據(jù)計(jì)算，與高分辨率的遙感信息相乘，完成數(shù)據(jù)融合[29]。主成分融合法是將多源氣象衛(wèi)星遙感數(shù)據(jù)經(jīng)過PCA變換，分離為不同的獨(dú)立主分量，可以認(rèn)為第一主成分包含了多個(gè)波段共同唯一的信息，拉伸成高分辨率全色影像，通過主成分逆變換完成數(shù)據(jù)融合[30]。小波變換法的含義是基于多源氣象衛(wèi)星數(shù)據(jù)進(jìn)行小波分解，利用小波變換將圖像融為一系列頻率通道形成圖像，這種方法不僅能夠提升空間分辨率，還能保持色調(diào)與飽和度的一致性[5]。

3.2 不同融合方法的優(yōu)劣性與局限性

HIS方法圖像空間分辨率高，但只對(duì)三個(gè)波段融合，導(dǎo)致多源數(shù)據(jù)的利用率大大降低，同時(shí)應(yīng)用該方法存在局限性，必須保證高光譜分辨率與多光譜影像具有一致性[31]。Brovery法圖像的目視效果較好，但是對(duì)數(shù)據(jù)要求較高，倘若數(shù)據(jù)沒有事先經(jīng)過預(yù)處理和噪聲去除就難以應(yīng)用[32]。主成分融合法在保留信息量方面明顯優(yōu)于其他方法，但還是存在明顯的光譜扭曲[33]。小波變換法能夠更加有效的提取影像信息，最大限度的保留了光譜信息[34]。

4 定量判讀融合效果的統(tǒng)計(jì)指標(biāo)

比較影像的融合效果主要可以基于兩方面方法，一是依靠經(jīng)驗(yàn)進(jìn)行目視檢驗(yàn)，二是根據(jù)評(píng)價(jià)指標(biāo)的統(tǒng)計(jì)特征進(jìn)行定量判讀。雖然通過目視可以直觀的判讀融合影像的清晰度，但是并不能夠定量表示不同數(shù)據(jù)融合方法信息量的提升程度，因此本研究著重討論定量判讀融合效果的統(tǒng)計(jì)指標(biāo)。常用的定量判讀統(tǒng)計(jì)指標(biāo)分為兩類，分別反映空間細(xì)節(jié)和光譜信息，前者可根據(jù)方差、信息熵和清晰度表示，后者可通過扭曲程度、偏差指數(shù)和相關(guān)系數(shù)判讀[35]。具體來說，方差比較大說明圖像的動(dòng)態(tài)范圍較大，說明圖像的空間分解能力較強(qiáng)；信息熵大表示圖像信息多；同理清晰度越高表示圖像細(xì)節(jié)與紋理信息越多[20]。偏差指數(shù)可以表征融合圖像與原始的差別，偏差指數(shù)較少時(shí)，表示融合圖像與原始圖像相似度越高，說明大量的光譜信息留下比較多；相關(guān)系數(shù)大表征保留光譜信息多相似度高。

5 結(jié)束語

5.1 多源遙感影像融合的應(yīng)用領(lǐng)域

目前多源遙感影像數(shù)據(jù)也在更廣泛的領(lǐng)域發(fā)揮了重要的作用，經(jīng)過融合后的數(shù)據(jù)，具有更高的精度和更多的數(shù)據(jù)量，時(shí)間和空間分辨率都有所提升，對(duì)于地物識(shí)別的能力也更強(qiáng)，能夠滿足長時(shí)間的氣象觀測[34]。因此多源氣象遙感影像數(shù)據(jù)可應(yīng)用于數(shù)值天氣預(yù)報(bào)、天氣觀測、氣候與氣候變化監(jiān)測、氣象災(zāi)害監(jiān)測、農(nóng)業(yè)遙感監(jiān)測和“一帶一路”服務(wù)等研究[35]。風(fēng)云系列氣象衛(wèi)星作為全球衛(wèi)星觀測網(wǎng)絡(luò)的重要組成部分[36]，在具體應(yīng)用方面，風(fēng)云三號(hào)衛(wèi)星作為極軌衛(wèi)星，空間分辨率為250 m，對(duì)于遙感應(yīng)用監(jiān)測有著重大的作用，但是不同軌道的數(shù)據(jù)存在斷層，鄢俊潔等[37]采用影像融合技術(shù)，消除了軌道間數(shù)據(jù)差異，并且通過了定量檢驗(yàn)，顯著拓寬了風(fēng)云三號(hào)遙感產(chǎn)品的應(yīng)用途徑。鄭偉等[38]采用特征和決策級(jí)融合方法，對(duì)于風(fēng)云衛(wèi)星數(shù)據(jù)與高分衛(wèi)星氣象衛(wèi)星遙感數(shù)據(jù)融合，綜合了風(fēng)云衛(wèi)星的高時(shí)間分辨率和高分衛(wèi)星的高空間分辨率，為生態(tài)環(huán)境監(jiān)測提供了更加精細(xì)化的監(jiān)測信息，在熱環(huán)境、水體生態(tài)和生物質(zhì)燃燒監(jiān)測方面，得到了廣泛的應(yīng)用。此外程遠(yuǎn)[39]應(yīng)用美國LAPS數(shù)據(jù)融合系統(tǒng)對(duì)風(fēng)云衛(wèi)星和海洋衛(wèi)星進(jìn)行數(shù)據(jù)融合，獲取了更加精細(xì)化的海溫資料，更好地應(yīng)用于近海寒潮與冷空氣分析研究方面。

5.2 存在的問題與發(fā)展方向

當(dāng)前多源氣象衛(wèi)星遙感影像數(shù)據(jù)融合存在部分關(guān)鍵問題，制約這項(xiàng)融合技術(shù)的發(fā)展與應(yīng)用。在空間配準(zhǔn)方面，有待于引入較好的空間配準(zhǔn)模型，求得更好的局部化性質(zhì)；在數(shù)據(jù)融合方面，算法選擇沒有一個(gè)系統(tǒng)的標(biāo)準(zhǔn)，為了減少工作量，有必要?dú)w納當(dāng)前廣泛應(yīng)用的數(shù)據(jù)融合方法，建立統(tǒng)一的數(shù)據(jù)融合模型。對(duì)于融合影像的判讀也存在問題，當(dāng)前評(píng)價(jià)融合水平的方式較多，但都缺乏靈活性并不能統(tǒng)一推廣，應(yīng)該予以歸納提升。今后隨著計(jì)算機(jī)、航天、通訊與遙感技術(shù)的發(fā)展，會(huì)有更多實(shí)用簡便的融合方法出現(xiàn)，應(yīng)該以提高實(shí)時(shí)性和智能性的方向發(fā)展，建立相對(duì)統(tǒng)一的模型，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)智能地融合。加強(qiáng)多源氣象衛(wèi)星融合方法研究，有利于提取全球及重點(diǎn)區(qū)域的氣象遙感監(jiān)測效果，是提供更精準(zhǔn)氣象預(yù)報(bào)和更精細(xì)氣象服務(wù)的必由之路。